熱評 小楊

面試造航母,入職擰螺絲 太贊了

90%的資深設計師都掌握的數據分析基礎知識(上)

正所謂「面試造航母,入職擰螺絲」甭管以后工作中用不用得到,但面試你的時候就是要求你會。換句話說像什么?所謂的面試就像是丈母娘選女婿,丈母娘要求你結婚的時候必須買輛保時捷911(跑車),不買?那你可別想結婚嘍。咱就是說誰家用的上輛小跑啊?但你的丈母娘會告訴你,雖然車沒什么用,但通過這件事能看來你小子沒什么實力嘛~

90%的資深設計師都掌握的數據分析基礎知識(上)

有些人生在羅馬·有些人生是牛馬

我想大家都是普通人,畢竟不是所有人都出生在羅馬,有些人出生就是牛馬!就像我,經過幾年的努力車還是有一輛的,只不過是自行的,但是如此就沒機會奔向大廠嘛?NO!雖說是自行車,但是通過努力我為這輛自行車鍍了金。一樣可以農奴翻身把歌唱~

90%的資深設計師都掌握的數據分析基礎知識(上)

自行車爆改大奔

在找工作這件事上,咋給咱們的自行車鍍金呢?很簡單,學會看數據,用數據來佐證你的設計方案!就有很大機會讓你入贅大廠當牛馬。

90%的資深設計師都掌握的數據分析基礎知識(上)

面試、話語權

一、為什么要了解常用數據指標?

90%的資深設計師都掌握的數據分析基礎知識(上)

面試需要

1. 大廠丈母娘更關注你對數據的敏感度

這也是經驗所得,只要你能接觸到高級設計師的崗位級別,基本都會對數據的使用有那么點要求。這篇文章會告訴大家一些設計師需要了解的基礎數據,記得在做作品的設計師嘗試使用起來,向你的丈母娘們證明實力。

90%的資深設計師都掌握的數據分析基礎知識(上)

能力+思維

首先避開一個誤區朋友們!!好項目≠界面效果炫酷。精美的頁面效果,出眾的包裝形式固然重要,但是僅手活兒好還遠遠達不到進入好企業的用人標準,手活兒好的人太多了,你怎么拿這個和別人爭呢?這項技能頂多算是你在眾多追求者中算是比較帥的,大廠的要求是什么?可總結為:能力+思維。翻譯過來說就是你不僅僅要帥!還要帥的有內涵。

精美的設計傳遞了你的設計能力,但無法表現你的思維方式。你在設計過程中是如何發現問題的、如何分析問題的、怎么搞出設計策略的、你的方案是否真的有效?這些都需要有數據表現加持。

90%的資深設計師都掌握的數據分析基礎知識(上)

講證據

2. 有內涵的人說話都好聽,具備更高話語權。

為什么大家喜歡董宇輝?因為有內涵啊,會引經據典,每一件事情給你講的天花亂墜頭頭是道!我們呢?一被問什么問題就一臉問號,回答問題起首式:“我認為”“我感覺”“我覺得”,我認為某某功能應該怎么怎么樣、我覺得頁面需要這樣那樣設計!但每個人都是獨立個體,對事物有不同判斷,你認為頁面中文字小一些會顯得精致,可你那弱智領導覺得要放大!放大!!在放大!!!相信你私下低沒少罵你的領導是傻X吧?但你敢篤定領導是錯的嗎?純粹的主觀角度上所有決定都是感性的,沒有誰能說服的了誰,但分析問題時如果能給出對應數據,站在客觀立場解釋則不一樣了。如果你可以拿出兩版方案點擊率差異是多少,小字設計能帶來多少提升,能拿出實質性證據才能讓你的想法更值得信任,做設計不是搞辯論賽,是講道理。

90%的資深設計師都掌握的數據分析基礎知識(上)

江湖不是打打殺殺

二、如何衡量改版效果

90%的資深設計師都掌握的數據分析基礎知識(上)

如何衡量改版效果

1. 咱們在企業內工作流程是什么樣的?

90%的資深設計師都掌握的數據分析基礎知識(上)

常見工作流程

設計--開發--發布--設計,形成循環。大多數人的工作流程都這樣的吧?一直被項目推著向前走,從未有過設計復盤與驗證。永遠都是忙完這一陣兒就可以忙下一陣兒了,永遠是排頭兵,永遠在路上,若你是種狀態可能也永遠無法當上將軍了,直至戰死在工作崗位。

這也是為什么大多數人作品經不起推敲或不真實的原因所在,我們只是在手活兒上表示做了某一件事,但作品表現上未能在客觀角度驗證改版的正確性。

90%的資深設計師都掌握的數據分析基礎知識(上)

注重設計驗證

設計--開發--發布--衡量驗證--設計,其實我們僅是少了衡量驗證著一個環節。好的設計師要負責任,不能總是提上褲子不認人,改版了設計后結果是怎么樣的?是不是達到了預期的效果?都是優秀設計師需要關注的。

2. 如何衡量?舉幾個常用的數據,幫助大家理解。

90%的資深設計師都掌握的數據分析基礎知識(上)

衡量切入點

項目改版后是否受歡迎?例在活躍比上進行切入,一個新功能上線后使用人數越多則表示改版的越成功。當然哈,類似壟斷、剛需產品不包含在內,類似于我們使用的個稅軟件,無論他做的怎么樣我們都一定要用,就沒必要計算了。?怎么進行計算呢?活躍比=使用新功能的用戶數/同期活躍用戶數量。例說今天有100人登錄,有30人使用了這個新功能。那30%便是我們此功能的活躍比。(當然影響功能使用的因素可能有很多,這也僅僅是其中維度之一。)

90%的資深設計師都掌握的數據分析基礎知識(上)

改的受歡迎么

今天你穿了新衣服,100個人見到你,30個人跟你表白,說什么不和你在一起是她們這輩子的遺憾。說明你今天這個衣服選的好啊!明天你換了一件,100人見了你,20人跟你表白。這不就是說明你這次衣服搞的不行嘛!當然,為什么說這只是影響用戶使用功能的眾多因素之一呢?因為衣服是一方面,另一方面也可能是因為你天生麗質難自棄。

你的改版對總體的用戶留存有幫助嗎?如果你的改版能夠為企業帶來用戶的留存,那說明你的設計一定是很有價值的。?我們常看的留存數據次日留存、周留存、月留存。但這不是固定的,如想看2天留存、3天留存都可自定義,留存率的時間定義需根據項目類型、產品使用頻率判定。

90%的資深設計師都掌握的數據分析基礎知識(上)

能留住用戶么

比如說賣房APP,你會每周賣房嘛?當然不會!誰家有那么多房子賣啊(請聯系我,我做保潔是主業,副業才是寫寫文章)?如果是社交類軟件用戶2天都沒再次登錄使用則代表該用戶流失,這個頻率問題大家要根據自身設計的產品來定。

對整體流程是不是起到了效果?此部分也是大家在作品中最常用展示形式,之前的流程有8步,經過不斷優化調整為5步,所以我做到了交互減步長,如此說來倒也沒錯,但你僅證明了減少了步驟,卻沒證明你這么改真的好用,優化成了5步后此任務的完成率得到提高了嗎?轉化率得到提高了嗎?你有證據能證明你做的正確嗎??什么?沒有??那按照你的說法,我能把8步改成1步,一樣是交互減步長,只不過是不好用而已。

90%的資深設計師都掌握的數據分析基礎知識(上)

交互正確么

超人每次都是壓軸出場救人于水火,所以我決定讓他不要搞造型,別穿戰衣,直接去救人效率更高如此可以做到交互減步長,你覺得這樣合理嗎?大家可以把答案寫在評論區。

90%的資深設計師都掌握的數據分析基礎知識(上)

超人怎么想?

我們需關注整體流程上下游數據表現,創建漏斗記錄數據,依數據表現判斷改版是否達到目標。?例:改版前、點擊按鈕100%--創建今日任務23%--@相關負責人12%--同步WIKI5%?改版后、點擊按鈕100%--創建今日任務40%--@相關負責人20%--同步WIKI10%?每一步優化帶來的數據影響~以此就可以為你證明。

90%的資深設計師都掌握的數據分析基礎知識(上)

漏斗模型

這就是剛剛所說的,你要帥的有內涵。大家做作品的邏輯是什么?因為我需要一份工作,所以你要給我一份工作。不是?大哥憑什么啊?你需要工作,那就要證明你能為這件事創造價值啊,你要能證明自己能創造價值才是正確邏輯吧?

用戶在怎樣使用新功能?用戶是否按照我們設計的路徑執行的,他到底有沒有按照我們設計的套路走,這些可以在后臺查看用戶使用軌跡來判定是否符合用戶操作習慣。

90%的資深設計師都掌握的數據分析基礎知識(上)

用戶怎么使用的?

例:你以為你的男朋友們吃飯時是先吃素菜--在吃葷菜--在吃主食--然后喝湯,但你男朋友們偏偏都是先喝了湯然后才吃菜,這就是與我們設計路徑不符,此時我們可以進行訪談來判斷其中原因,為什么他不先吃素菜?是因為不愛你嗎?如果用戶的軌跡與你預測的完全一致,那便證明了你的設計正確性。?在設計工作中我們公司想要增加曝光入口、為用戶推薦更多商品,在個人中心底部增加了推薦,猜想是有些用戶會在個人中心-收藏中瀏覽商品,如果新增加的推薦入口有被使用(當然哈,這里的說的使用也是有數據標準的,我們需要根據自身產品來制定標準),則代表功能構想成功、添加此部分入口是符合用戶邏輯。

如果功能改版的很好,那用戶會不會重復使用該功能呢?通常來講我們改版大概率會調整哪些核心的、有業務價值的頁面或流程,如你改版內容流體驗極好重復使用率自然會更高,如你設計的頁面總是讓用戶迷惑、找不到操作路徑,存在邏輯BUG自然重復使用率會下降。重復使用比如何計算呢?重復使用比=第X天使用該功能人數/第一天使用該功能的人數。例,第一天有100人使用了你改版的功能,第二天著100個人里有50人繼續使用了此功能,則第二日重復使用比便是50%。

90%的資深設計師都掌握的數據分析基礎知識(上)

用戶會多次使用么?

這里強調一下,咱們改版過程中盡量去選擇對業務或用戶價值的,使用頻率高的頁面。千萬不要改版類似邊角料內容,你的內容越是邊角料,你的面試官就會越覺得你是邊角料。

90%的資深設計師都掌握的數據分析基礎知識(上)

積累相關數據信息

將數據表現帶入作品,增強可信度。以上便是大家做作品時常用的情景和數據維度,在日常工作中可多留意此部分數據信息,多整理、總結、收錄。

有些聰明的小明可能會問了:那在哪里看到這些數據呢?去找你們的產品經理、研發、在你們的后臺這些數據都是有收錄的(在你們公司數據埋點比較全面情況下)

有些聰明的小明可能又會問:我已經離職了,沒關注過這些數據怎么辦呢?Emmm,這樣的話...有些事情我就不能明說了,自己意會吧。

三、為什么要了解常用數據指標?

我大體將數據信息分為了3類:用戶數據、行為數據、業務數據。

90%的資深設計師都掌握的數據分析基礎知識(上)

常用數據哪些

用戶數據(與人相關)

日活 DAU、周活WAU、月活MAU

要注意此數據要在特定統計周期內,成功登錄或操作過核心功能的用戶。注意哈,如何才算是活躍用戶需要依據你所在項目來判定,但通常來說日活躍用戶指的是那些在一天內真正使用了應用程序或軟件的用戶。

90%的資深設計師都掌握的數據分析基礎知識(上)

日活 DAU、周活WAU、月活MAU

例說,你們的APP核心功能是轉賬,用戶需每天轉100元到我的支付寶賬戶上(176****7647,記得轉給我)。今天有210人登錄(打開軟件)100人轉賬給我,那今天的日活可以記錄為100(我這里的定義就是登錄沒做核心操作的人不記錄為活躍用戶)。如果這轉賬的100人里有好幾個真愛粉,今天有人多次給我轉賬,那也只記錄一次活躍,活躍度還是100,簡單來說數據要進行去重。

90%的資深設計師都掌握的數據分析基礎知識(上)

算需要去重

影響日活的因素有哪些

  1. 軟件的功能與用戶體驗:對功能越滿意,使用體驗越好,使用頻次也就越高啦。
  2. 營銷力度:例如雙11、618、活動大促等等都會對日活產生影響。
  3. 用戶需求度:你所調整的功能用戶需求度越高,使用頻率就越高。比如說好多人都想要給我轉賬,你們公司搞這么個功能絕對爆火!!!建議給把這個創意點反饋給你們的老板。

90%的資深設計師都掌握的數據分析基礎知識(上)

推廣、體驗、功能、需求

知道活躍數據如何指導設計策略?

90%的資深設計師都掌握的數據分析基礎知識(上)

推送時間、使用習慣、流失原因

分析活躍時間,可以優化軟件推送事件。例,學習類軟件,用戶在下班后的時間段內活躍,我們可在這個時間段推送課程入口,這不就是情感化設計嘛~你明知道你女朋友明天要上班,你非得買個明天下午的電影票,這不是找不自在嗎?有了數據,你知道她什么時候下班,把看電影的時間點在那不就好啦?不曉得大家知不知道,那些開大掛車的司機都會有一個軟件監測,在車輛高峰時段,夜晚的時候會加強監測和提醒,避免大掛車司機疲勞駕駛,這就屬于針對活躍時間的功能設計。

90%的資深設計師都掌握的數據分析基礎知識(上)

情感化、智能化

分析用戶使用習慣,可以優化軟件的功能和界面。例說你總喜歡深夜EMO,為保護你的眼睛,推出暗黑模式、又或者到了晚上給你搞一個EMO專欄。

90%的資深設計師都掌握的數據分析基礎知識(上)

定制功能

分析用戶流失原因,可以改進軟件的留存策略。例:到了周末晚上你會發現電商類用戶活躍度會有所下降(這是普遍現象哈),對應此狀況設計師是不是可以考慮周末晚上的時間設計主題化,設計特殊場景吸引用戶(例子我胡編的)。切記千萬別和我說周末晚上給用戶大額優惠券,敢情公司不是你的哈,花錢不心疼,解決問題要聚焦在設計能做的事情上,給優惠券這種事可不是咱一個小嗎嘍能定的。因為發現很多伙伴會在作品中提到這個點,一眼我就曉得你這不是胡扯嗎,你要是能決定這個還做什么設計啊。

90%的資深設計師都掌握的數據分析基礎知識(上)

改進留存策略

關于數據別瞎**寫

  1. 社交、游戲、資訊類app,月活躍用戶比例通常在15%~35%。大型社交app如微信、抖音等月活可達50%以上。你敢說你設計的東西活躍度50%以上?你咋不上天!
  2. 購物、娛樂、旅游類app,月活躍用戶比例通常在10%-25%之間。熱門購物app如淘寶、京東等可達30%以上。
  3. 攝影、工具類app,月活躍用戶比例相對較低,通常在5%-15%之間。
  4. 總的來說,社交、游戲等類型的app由于日常使用頻率高,月活躍比例較大。而工具、攝影類的專業應用由于使用場景相對集中,月活躍比例相對較低。不同app的具體月活數據也會受到用戶群體、功能特點等因素的影響。
  5. 吹牛也要靠點譜,你丈母娘啥大風大浪沒見過。你敢說你:“身高一米七八,年收入十六萬,人老實,話不多”她分分鐘識破你。

90%的資深設計師都掌握的數據分析基礎知識(上)

身高一米七,八年收入十六萬,人老,實話不多

新增用戶

日新增DNU、周新增WNU、月新增MNU

新增用戶 = 當期總用戶數 - 上期總用戶數。首次安裝并打開軟件即算作新增用戶、同一用戶在統計周期內多次安裝,只計算一次新增。

90%的資深設計師都掌握的數據分析基礎知識(上)

日新增DNU、周新增WNU、月新增MNU

影響新增用戶的因素有哪些

90%的資深設計師都掌握的數據分析基礎知識(上)

影響因素

推廣力度:通過各種線上線下渠道的廣告投放、內容營銷等方式,吸引并轉化更多的新用戶。使勁砸廣告,框框砸錢!自然新增用戶多。

90%的資深設計師都掌握的數據分析基礎知識(上)

你怎么選

產品功能和體驗:產品功能是否滿足用戶需求,整體的使用體驗是否良好,直接影響用戶的轉化率。你買火車票時是喜歡用12306還是喜歡用智行APP?肯定智行吧?

因為體驗好啊!你要是說我就喜歡12306那種樸素感,好好好,你是懂設計的,叉出去!!!有同學可能會問:我查不到我們的新增用戶數啊怎么辦? 去問你家產品!你家技術!!我家產品技術都是二把刀不給我數據怎么辦?去應用商店看你們軟件下載量去!

90%的資深設計師都掌握的數據分析基礎知識(上)

數據如何獲取?

優惠活動力度:針對新用戶的優惠促銷活動,如免費試用、優惠券等,可以有效刺激新用戶的注冊轉化。可以和同期活動對比新增用戶增長差異。你天天有活動,那我就可以帶著全家薅羊毛。此部分與設計相關的內容可以看banner吸引力,是不是能引導用戶點擊。你的活動功能、頁面表現是否成功,點擊率、轉化率好不好等等

90%的資深設計師都掌握的數據分析基礎知識(上)

注意生命周期

產品生命周期階段:產品處于不同生命周期階段,新用戶增長動力也會有所不同。好比說拼多多,之前瘋狂擴張迅速崛起,現在新用戶數量開采的差不多了,自然增長率也就下來了。例你去新公司,最初是部門的人夸你漂釀,后來是整條業務線的人夸你漂釀,最后全公司的人夸你漂釀。到這一地步基本也已經是這個公司的極限值了,想更多人夸你,那可能需要跳槽了。

講到這里,拓展一下知識面吧,為什么關注企業新增用戶數據?

新增量關系著傳播量:來的人越多,說明傳播做的越好。NPS在70%以上,投資者才愿意投資,說人話是有人愿意為你傳播你家產品的潛力越高,不然拼夕夕為什么迅速崛起?就是在于運營策略,玩法,大量傳播帶來新用戶。

90%的資深設計師都掌握的數據分析基礎知識(上)

這款游戲為什么會火?

病毒系數:舉一個暴露年齡的例子“一個灰指甲,一個傳染倆”這就是病毒系數,傳播度越高,病毒系數則越大。如果說1個用戶能在帶來1位用戶,傳播系數則等于1,如果1個人能帶來多個人則系數大于1。1帶1我們可以稱之為線性增長,1帶多可以稱之為指數增長,病毒系數越大、傳播周期越短,我們的產品越容易產生現象級變化,成為爆款!如果你和1個人曖昧,那你是正常人,你和十個人曖昧你是渣男,你和很多人曖昧,那你大概是海王吧。

90%的資深設計師都掌握的數據分析基礎知識(上)

與羊群效應

說到這里我又想到了“羊群效應”這里結合“NPS傳播”一并和大家講一下吧。NPS傳播是指通過口碑和推薦等方式,讓滿意的顧客向其他人推薦產品或服務的行為。

NPS代表的是一種客戶滿意度指標,通過問卷調查得出客戶對于產品或服務的滿意程度和愿意推薦程度,可以用來衡量客戶對于企業的忠誠度和推薦意愿。

羊群效應是指人們在群體中受到別人影響而跟從主流行為或觀點的心理,說簡單就是叢眾,跟隨別人做出類似的選擇或行為。羊群效應通常表現為人們看到他人做某事或選擇某種產品后,會跟隨他人而做出相似的選擇,而不是基于獨立思考和判斷。為啥你看到排長隊的你也想去排,覺得會好吃?實際上很多都是托,而你是那只待宰的羊。

在一定程度上,NPS傳播可能受到羊群效應的影響,因為當人們看到身邊的人推薦某個產品或服務時,會增加自己對該產品或服務的好感,從而更有可能傳播給他人。

成本考慮,光傳播還不夠,用戶來了還需要留住,畢竟獲客是需要花錢的,且當前市場產品之前的核心差異競爭差異變小了,獲客成本變高,就要重視LTV時間長度,用戶終身為你平臺創造的價值,所謂的終身是指用戶從來到你平臺到流失的生命周期。

留存率

次日留存、7日留存、30日留存

用戶來了之后是否能留得住,反映了用戶對產品的滿意度。你好不容易談個戀愛,沒兩天分手了著你受的了嗎?這個戀愛要談,不僅要留住她,還要談好!

90%的資深設計師都掌握的數據分析基礎知識(上)

來的時候好好的,回不去了

通常重點關注次日、3日、7日、30日,觀察留存率的衰減程度,這可以衡量產品的用戶粘性和增長潛力。計算公式為:留存用戶數/總用戶數x100%。計算留存率需注意要定義清楚留存的時間范圍,通常以用戶注冊或首次使用后的n天/周/月為留存時間范圍。統計在留存時間范圍內仍在活躍使用產品的用戶數量,即留存用戶數。

90%的資深設計師都掌握的數據分析基礎知識(上)

計算一下

舉個例子你就明白了,比如說你有10位好朋友,你邀請它們來參加你的生日宴,結果只來了8個人,那么你的"留存率"就是:留存率 = 實際來參加的人數 / 原計劃邀請人數 × 100%= 8 / 10 × 100%= 80%,這就意味著你有80%的朋友最終還是來參加了你的生日派對,人緣已經不錯啦~

再舉一個7日留存的例子。假設某款移動應用在某天新增了100名用戶。在這100名新用戶中,如果有80名用戶在7天后仍然在使用這款應用,那么7日留存率就是:7日留存率 = 80 / 100 × 100% = 80%。注意,始終計算值是這100名新增的用戶。

用戶留存對設計的指導

90%的資深設計師都掌握的數據分析基礎知識(上)

4:2:1原則

用戶留存4:2:1理論,次日留存能達40%,7日留存達20%,30日留存達10%,便是相對較好的數據指標。所以大家寫數據的時候辛苦留心注意一下,別太過分。

90%的資深設計師都掌握的數據分析基礎知識(上)

設計師通常以月留存觀察為主,假設一款教育類APP的月留存率較低,經過數據分析發現,用戶在瀏覽課程內容時,往往看完一兩節就流失了。設計能在從中推導出的設計方案方案可以是:

  1. 個性化推薦,根據用戶的瀏覽歷史、學習偏好等,設計課程推薦算法,為每個用戶推薦更貼合自身需求的內容。
  2. 在課程播放頁設計學習進度條、章節導航等功能,讓用戶直觀了解自己的學習情況。為用戶提供學習報告,統計學習時長、完課率等指標,激勵用戶持續學習等等。

換句話說你談戀愛總是兩天就分手,這肯定是有原因的吧?一個用戶和你說分手那是他的原因,好多用戶和你提分手,那你總要思考一下原因點在哪然后進行補救吧?

總的來說月留存統計時間可根據我們的上線頻率制定,如當前版本更新,我們可以在上線后與前一月進行環比,了解用戶是否對功能滿意,如果環比下降則需要尋找原因并優化。

人均使用時長

特定統計時間內,瀏覽頁面或使用產品時,用戶停留的總時間/該頁面或產品的訪問人數(說人話:用戶瀏覽的頁面、內容、停留時長)。人均使用時長是用戶粘性分析依賴程度的重要表現之一。

90%的資深設計師都掌握的數據分析基礎知識(上)

人均使用時長

關于數據

  1. 娛樂類產品:社交媒體平均使用時長通常在 30-60分鐘/天。游戲應用:平均使用時長可從 30分鐘到幾個小時不等,取決于游戲類型。視頻/音樂播放:平均使用時長通常在 1-2小時/天。
  2. 工具類產品:生產力工具(文檔、電子表格等):平均使用時長得視任務而定,可能在 30-90分鐘/天。通訊軟件:平均使用時長通常在 15-45分鐘/天。新聞閱讀類:平均使用時長約 20-40分鐘/天。
  3. 所謂的時長僅計算用戶主動操作和交互的時間,不包括應用在后臺運行的時間。比如你當前在摸魚,打開知乎瀏覽了30分鐘,這就算作30分鐘的活躍使用時長,如果打開知乎后在后臺持續運行1小時,這1小時并不會計算在內。所以,這個平均使用時長更多反映的是用戶主動參與和互動的程度,這個數據指標才更有意義。

90%的資深設計師都掌握的數據分析基礎知識(上)

你達標了么

使用時長的影響

90%的資深設計師都掌握的數據分析基礎知識(上)

不同軟件,不同要求

使用時間越長,則代表粘性越高,越被設計或功能所吸引,時間短?那你得反思一下了,你不行啊!當然這也要根據產品狀態不同進行分析。例如快手、抖音等偏向于娛樂性質產品,用戶停留時間越長越有商業可能性,會在不知不覺中殺你的時間。如果你不想被別人說不行,那你就告訴他:工具類產品如停留時間過長,則可能是設計的功能模糊、讓用戶無法正確判斷理解。時間短也有人喜歡!

90%的資深設計師都掌握的數據分析基礎知識(上)

你怎么選?

功能設計:如用戶并沒有充分利用產品的功能,隨便扒拉扒拉就走了。設計師需要分析用戶使用痛點,她就這么走了?說明你給她的東西不是她想要的,不是她喜歡的。依此我們可以優化功能布局和交互設計,提高使用效率。微信如果把你的聊天功能限制了,你還會長時間使用么?

90%的資深設計師都掌握的數據分析基礎知識(上)

不同年齡不同心境,不同時間不同操作

人群細分:根據不同用戶群體的人均使用時長差異,設計師可以為其提供個性化的界面和功能,滿足不同用戶的需求特點。

如果我問你快樂是什么?你會怎樣回答?我相信每個人對于快樂的定義都是不同的。

小朋友會說:快樂就是我今天抓到了蜻蜓。

中年人說:快樂啊?可能是明天吧。

老年人會說:快樂就是今天看到孫子抓住了蜻蜓。

海綿寶寶說:快樂!就是和海綿寶寶一起抓水母。

不同的年齡不同心境,不同的時間不同的操作。不同年齡的使用習慣,在軟件中就會有不一樣的操作和關注點,這里我舉一款健身APP為例,用戶數據表現為:

年輕用戶(18-25歲)的人均使用時長為45分鐘

中年用戶(35-45歲)的人為75分鐘、

老年用戶(55歲及以上)的人為90分鐘。

年輕用戶群體:人均使用時長較短,可能追求娛樂性和社交屬性較強的功能,界面設計可以更加簡潔,突出健身課程和社交互動,提供更多運動音樂、挑戰任務等元素,滿足這部分用戶的需求。

中年用戶群體:均使用時長適中,可能更注重健康管理和專業指導,界面設計可以更加專業,突出健康數據監測和專業教練指導提供更多健康方案規劃、營養建議等功能,滿足這部分用戶的需求。

老年用戶群體:人均使用時長較長,可能更關注安全性和舒適性,界面設計可以更加友好,字體更大,強調實用性和易操作性,提供更多關節保護、養生課程等功能,滿足這部分用戶的需求。

90%的資深設計師都掌握的數據分析基礎知識(上)

時間數據-衍生策略

通過這種基于人均使用時長的人群細分策略,設計師可以為不同用戶群體提供差異化的界面和功能,更好地滿足各類用戶的實際需求,提高產品的用戶體驗。

...

好嘞~各位,今天就先寫到這里嘍,本想把基礎數據內容在本篇中全部為大家展示,可是一篇寫完將近18000字,擔心大家看久了會過于疲倦,所以只好將后續的內容分多拆分了一個篇慢慢為大家呈現。

個人性格偏隨性一些,所以每寫到關聯知識點時就忍不住多拓展一些,例子是死的人是活的,大家要靈活變通思考如何把數據的運用與自己所做的項目相結合。

哈哈忍不住在和大家分享一個例子,前幾日有一位伙伴找我幫忙看簡歷,她其中寫了這樣一條內容,改進某電商項目,數據結果是實現每日瀏覽3w+。我便反問她:那你清楚你的用戶量是多少么?她說:不曉得啊,我亂寫的。那結合為我們今日知識點--購物、娛樂、旅游類app,月活躍用戶比例通常在總用戶量的10%-25%之間。依此便可以大致反推我們當前的總用戶量。我只是幫助她進行審一遍,如果是當時是面試官在問呢?如果回答不知道那豈不是塌房了?大家需要對自己展示的內容負責,如果你想展現,那就要讓你的內容經得起推敲,深挖,要知其然知其所以然。

最后羅列一下大綱~

90%的資深設計師都掌握的數據分析基礎知識(上)

能力一般,水平有限,感謝各位伙伴捧場~

再次謝過,也敬請期待后續的《常用數據·中篇》《數據分析方法·下篇》

90%的資深設計師都掌握的數據分析基礎知識(上)

拜拜~

收藏 170
點贊 76

復制本文鏈接 文章為作者獨立觀點不代表優設網立場,未經允許不得轉載。